為準確預測市場化利率,在混頻數據抽樣（MIDAS）模型和反向無約束混頻數據抽樣（RU-MIDAS）模型的基礎上,提出了反向有約束混頻數據抽樣模型（RR-MIDAS）,使之能夠適應各變量之間頻率倍差較大時,低頻變量對高頻變量的分析與預測.選取SHIBOR作為市場化利率的代表,分析其影響因素并開展預測研究.實證結果表明:RR-MIDAS模型能夠細致揭示各變量間的實時動態(tài)變化關系,表現(xiàn)出很好的擬合效果與預測能力;宏觀經濟變量和資本市場信息能夠在1周甚至1天內對貨幣供求關系產生影響,進而迅速反映在SHIBOR走勢變化上.此外,穩(wěn)健性檢驗結果驗證了RR-MIDAS模型的實用性以及實證結論的可靠性. 

【文章來源】：管理科學學報. 2019年10期 北大核心CSSCI

【文章頁數】：17 頁

【部分圖文】：

混頻時間序列

各模型間的擬合效果和預測效果的對比結果分別展示于圖2和圖3中．從擬合效果來看，相比于只考慮SHIBOR自身滯后影響的RW模型和AR模型，增加不同頻率宏觀經濟變量的ARDL模型、RU-MIDAS模型和RR-MIDAS模型具有更好的解釋能力．同時，直接使用原始混頻數據的RR-MI-DAS模型和RU-MIDAS模型的擬合精度明顯高于對數據進行同頻化處理的ARDL模型，表現(xiàn)為前兩者在不同的時期h均具有更小的MAE和RMSE比值．其中，RU-MIDAS模型的擬合精度優(yōu)于RR-MI-DAS．從預測效果來看，雖然RU-MIDAS模型的預測精度在不同時期h上普遍優(yōu)于ARDL模型、AR模型和RW模型，但是RR-MIDAS模型的預測效果明顯優(yōu)于RU-MIDAS模型，其MAE和RMSE比值明顯低于RU-MIDAS以及其他比較模型．簡言之，與RU-MIDAS模型相比，雖然RR-MIDAS模型的樣本內擬合精度略低，但是RR-MIDAS模型有著更好的泛化能力，表現(xiàn)為其樣本外預測結果最優(yōu)，而這正是決策者所關心與重視的．圖3 各模型的樣本外預測效果比較(以RW模型為對比基礎)

各模型的樣本外預測效果比較(以RW模型為對比基礎)

【參考文獻】：
期刊論文
[1]基準收益率曲線與宏觀經濟:基于混頻DSGE模型的研究[J]. 尚玉皇,鄭挺國.  經濟研究. 2018(06)
[2]經濟政策不確定性與我國股市波動率預測研究[J]. 雷立坤,余江,魏宇,賴曉東.  管理科學學報. 2018(06)
[3]經濟政策不確定性與股票風險特征[J]. 陳國進,張潤澤,趙向琴.  管理科學學報. 2018(04)
[4]混頻投資者情緒與股票價格行為[J]. 姚堯之,王堅強,劉志峰.  管理科學學報. 2018(02)
[5]基于MIDAS模型中國碳排放量的實時預報與短期預測[J]. 秦華英,韓夢.  環(huán)境科學學報. 2018(05)
[6]混頻數據、投資沖擊與中國宏觀經濟波動[J]. 仝冰.  經濟研究. 2017(06)
[7]利率調整對我國股市不同狀態(tài)波動性的影響[J]. 楊繼平,馮毅俊.  管理科學學報. 2017(02)
[8]中國金融市場系統(tǒng)復雜性的演化機理與管理研究[J]. 張群,張衛(wèi)國,馬勇.  管理科學學報. 2017(01)
[9]基于混頻數據模型的中國經濟周期區(qū)制監(jiān)測研究[J]. 李正輝,鄭玉航.  統(tǒng)計研究. 2015(01)
[10]宏觀經濟因素影響利率期限結構的穩(wěn)定性判別[J]. 丁志國,徐德財,李雯寧.  數量經濟技術經濟研究. 2014(09)



本文編號：2934009